10 diciembre, 2020

Redes sociales - Sesgo de Confirmación

El artículo de Antropomedia (ver vínculo al pie) analiza la manera en que en este caso Youtube nos direcciona a información relacionada y en un mismo sentido. Las tecnologías, pensadas para vendernos publicidad mediante la retención en pantalla en este caso, no hacen más que potenciar una tendencia a complacernos ¿y qué nos complace más que tener la razón? Entonces el círculo se estrecha y se cierra y los sesgos (auto)impuestos acaban por sumergirnos en un mar de posverdad, irreal y gozoso sin duda. Leí no hace mucho un chiste gráfico en el que un hombre frente al televisor le dice a su mujer: "Este canal dice lo que yo pienso, por lo tanto debe ser cierto."
Ixx, dic20


ANALÍTICA CULTURAL  ·  09. diciembre 2020
¿Cómo se vinculan los terraplanistas con los antivacunas en YouTube?

I. El sesgo de confirmación
El sesgo de confirmación ocurre cuando las personas buscan o evalúan información de tal forma en que dicha búsqueda o evaluación arroja resultados que se ajustan a su forma de pensar, sus preferencias o sus prejuicios. Al ser finalmente un sesgo, se trata de lo que la RAE (2020) define como: “Un error sistemático en el que se puede incurrir cuando al hacer muestreos o ensayos se seleccionan o favorecen unas respuestas frente a otras.”

II. YouTube y el sesgo de confirmación
¿YouTube propicia mayor sesgo de confirmación en sus usuarios? Según una entrevista documentada por el PEW Research Center (2018), el 70% del tiempo que pasan los usuarios en YouTube se debe principalmente al algoritmo que sugiere videos relacionados con lo que ven. Lo anterior favorece el modelo de negocios de esta empresa que forma parte de Google: funcionar como un broker de anuncios entre creadores, contenidos y anunciantes (entre más videos vea un usuario, más anuncios puede mostrar); pero entonces... ¿cómo nos engancha?



De acuerdo con la socióloga Zeynep Tufekci (2018) son los algoritmos de YouTube los que hacen que las personas se sientan atraídas por contenidos que son más “extremos” que los videos que los llevan a la plataforma en un inicio.

“Lo que estamos presenciando es la explotación computacional de un deseo natural de los humanos: mirar "detrás de la cortina", profundizar en algo que nos involucra. A medida que hacemos clics y clics, nos dejamos llevar por la emocionante sensación de descubrir más secretos y más “verdades” profundas. YouTube lleva a los espectadores a un "rabbit hole" de extremismo, mientras que Google acumula ventas de anuncios.

Los seres humanos tienen muchas tendencias naturales que necesitan ser monitoreadas atentamente en el contexto de la vida moderna. Por ejemplo, nuestra ansiedad evolutivamente heredada por consumir grasa, sal y azúcar (que nos sirvió bien cuando la comida escaseaba), puede llevarnos ahora por un mal camino en donde ya estos ingredientes son demasiado abundantes y procesados para nosotros. Así también nuestra curiosidad natural por lo desconocido puede llevarnos por mal camino en un sitio web que nos lleva en una dirección de mentiras, engaños y desinformación.”


III. ¿Cómo funcionan las redes neuronales de Google Brain en YouTube?

YouTube tiene un diseño de plataforma en donde el usuario, al ver un video de su interés de repente van apareciendo videos del mismo canal o de la misma temática al inicio, pero, sobre todo, dentro de cada video se encuentra la sección de reproducción automática en donde el video sugerido puede ser del mismo canal o de un tema similar para que el usuario siga consumiendo. De acuerdo los desarrolladores de Google (Covington et al., 2016), la manera en la que YouTube determina qué video sugerir es a través del desarrollo de redes neuronales que toman en cuenta una serie de factores (siendo el número de vistas, el historial de videos vistos por los usuarios, y las interacciones -incluyendo comentarios- previas de los usuarios con otros videos; algunos de los factores más relevantes) que determinan una puntuación o score en cada video; al final, los videos con la mejor puntuación se presentan a los usuarios que los algoritmos determinen que pueden ser más relevantes para los usuarios. La arquitectura del sistema de recomendación de videos es el siguiente:


Covington, P., Adams, J., & Sargin, E. (2016).


No hay comentarios.:

Publicar un comentario